JavaCV的摄像头实战之十四：口罩检测

转x33g5p2x  于2022-01-09 转载在 Java  
字(13.8k)|赞(0)|评价(0)|浏览(447)

欢迎访问我的GitHub

这里分类和汇总了欣宸的全部原创(含配套源码)：https://github.com/zq2599/blog_demos

本篇概览

  • 本文是《JavaCV的摄像头实战》系列的第十四篇，如标题所说，今天的功能是检测摄像头内的人是否带了口罩，把检测结果实时标注在预览窗口，如下图所示：

  • 整个处理流程如下，实现口罩检测的关键是将图片提交到百度AI开放平台，然后根据平台返回的结果在本地预览窗口标识出人脸位置，以及此人是否带了口罩：

问题提前告知

  • 依赖云平台处理业务的一个典型问题，就是处理速度受限
  • 首先，如果您在百度AI开放平台注册的账号是个人类型，那么免费的接口调用会被限制到一秒钟两次，如果是企业类型账号，该限制是十次
  • 其次，经过实测，一次人脸检测接口耗时300ms以上
  • 最终，实际上一秒钟只能处理两帧，这样的效果在预览窗口展现出来，就只能是幻灯片效果了（低于每秒十五帧就能感受到明显的卡顿）
  • 因此，本文只适合基本功能展示，无法作为实际场景的解决方案

关于百度AI开放平台

编码：添加依赖库

  • 本文继续使用《JavaCV的摄像头实战之一：基础》创建的simple-grab-push工程
  • 首先是在pom.xml中增加okhttp和jackson依赖，分别用于网络请求和JSON解析：
  1. <dependency>
  2. 	<groupId>com.squareup.okhttp3</groupId>
  3. 	<artifactId>okhttp</artifactId>
  4.     <version>3.10.0</version>
  5. </dependency>
  6. <dependency>
  7. 	<groupId>com.fasterxml.jackson.core</groupId>
  8.     <artifactId>jackson-databind</artifactId>
  9.     <version>2.11.0</version>
  10. </dependency>

编码：封装请求和响应百度AI开放平台的代码

  • 接下来要开发一个服务类，这个服务类封装了所有和百度AI开放平台相关的代码
  • 首先，定义web请求的request对象FaceDetectRequest.java：
  1. package com.bolingcavalry.grabpush.bean.request;
  3. import com.fasterxml.jackson.annotation.JsonProperty;
  4. import lombok.Data;
  6. /** * @author willzhao * @version 1.0 * @description 请求对象 * @date 2022/1/1 16:21 */
  7. @Data
  8. public class FaceDetectRequest {
  9.     // 图片信息(总数据大小应小于10M)，图片上传方式根据image_type来判断
  10.     String image;
  12.     // 图片类型
  13.     // BASE64:图片的base64值，base64编码后的图片数据，编码后的图片大小不超过2M；
  14.     // URL:图片的 URL地址( 可能由于网络等原因导致下载图片时间过长)；
  15.     // FACE_TOKEN: 人脸图片的唯一标识，调用人脸检测接口时，会为每个人脸图片赋予一个唯一的FACE_TOKEN，同一张图片多次检测得到的FACE_TOKEN是同一个。
  16.     @JsonProperty("image_type")
  17.     String imageType;
  19.     // 包括age,expression,face_shape,gender,glasses,landmark,landmark150,quality,eye_status,emotion,face_type,mask,spoofing信息
  20.     //逗号分隔. 默认只返回face_token、人脸框、概率和旋转角度
  21.     @JsonProperty("face_field")
  22.     String faceField;
  24.     // 最多处理人脸的数目，默认值为1，根据人脸检测排序类型检测图片中排序第一的人脸（默认为人脸面积最大的人脸），最大值120
  25.     @JsonProperty("max_face_num")
  26.     int maxFaceNum;
  28.     // 人脸的类型
  29.     // LIVE表示生活照：通常为手机、相机拍摄的人像图片、或从网络获取的人像图片等
  30.     // IDCARD表示身份证芯片照：二代身份证内置芯片中的人像照片
  31.     // WATERMARK表示带水印证件照：一般为带水印的小图，如公安网小图
  32.     // CERT表示证件照片：如拍摄的身份证、工卡、护照、学生证等证件图片
  33.     // 默认LIVE
  34.     @JsonProperty("face_type")
  35.     String faceType;
  37.     // 活体控制 检测结果中不符合要求的人脸会被过滤
  38.     // NONE: 不进行控制
  39.     // LOW:较低的活体要求(高通过率 低攻击拒绝率)
  40.     // NORMAL: 一般的活体要求(平衡的攻击拒绝率, 通过率)
  41.     // HIGH: 较高的活体要求(高攻击拒绝率 低通过率)
  42.     // 默认NONE
  43.     @JsonProperty("liveness_control")
  44.     String livenessControl;
  46.     // 人脸检测排序类型
  47.     // 0:代表检测出的人脸按照人脸面积从大到小排列
  48.     // 1:代表检测出的人脸按照距离图片中心从近到远排列
  49.     // 默认为0
  50.     @JsonProperty("face_sort_type")
  51.     int faceSortType;
  52. }
  • 其次，定义web响应对象FaceDetectResponse.java：
  1. package com.bolingcavalry.grabpush.bean.response;
  3. import com.fasterxml.jackson.annotation.JsonProperty;
  4. import lombok.Data;
  5. import lombok.ToString;
  6. import java.io.Serializable;
  7. import java.util.List;
  9. @Data
  10. @ToString
  11. public class FaceDetectResponse implements Serializable {
  12.     // 返回码
  13.     @JsonProperty("error_code")
  14.     String errorCode;
  15.     // 描述信息
  16.     @JsonProperty("error_msg")
  17.     String errorMsg;
  18.     // 返回的具体内容
  19.     Result result;
  21.     @Data
  22.     public static class Result {
  23.         // 人脸数量
  24.         @JsonProperty("face_num")
  25.         private int faceNum;
  26.         // 每个人脸的信息
  27.         @JsonProperty("face_list")
  28.         List<Face> faceList;
  30.         /** * @author willzhao * @version 1.0 * @description 检测出来的人脸对象 * @date 2022/1/1 16:03 */
  31.         @Data
  32.         public static class Face {
  33.             // 位置
  34.             Location location;
  35.             // 是人脸的置信度
  36.             @JsonProperty("face_probability")
  37.             double face_probability;
  38.             // 口罩
  39.             Mask mask;
  41.             /** * @author willzhao * @version 1.0 * @description 人脸在图片中的位置 * @date 2022/1/1 16:04 */
  42.             @Data
  43.             public static class Location {
  44.                 double left;
  45.                 double top;
  46.                 double width;
  47.                 double height;
  48.                 double rotation;
  49.             }
  51.             /** * @author willzhao * @version 1.0 * @description 口罩对象 * @date 2022/1/1 16:11 */
  52.             @Data
  53.             public static class Mask {
  54.                 int type;
  55.                 double probability;
  56.             }
  57.         }
  58.     }
  59. }
  • 然后是服务类BaiduCloudService.java，把请求和响应百度AI开放平台的逻辑全部集中在这里，可见其实很简单：根据图片的base64字符串构造请求对象、发POST请求（path是人脸检测服务）、收到响应后用Jackson反序列化成FaceDetectResponse对象：
  1. package com.bolingcavalry.grabpush.extend;
  3. import com.bolingcavalry.grabpush.bean.request.FaceDetectRequest;
  4. import com.bolingcavalry.grabpush.bean.response.FaceDetectResponse;
  5. import com.fasterxml.jackson.databind.DeserializationFeature;
  6. import com.fasterxml.jackson.databind.ObjectMapper;
  7. import okhttp3.*;
  8. import java.io.IOException;
  10. /** * @author willzhao * @version 1.0 * @description 百度云服务的调用 * @date 2022/1/1 11:06 */
  11. public class BaiduCloudService {
  13.     OkHttpClient client = new OkHttpClient();
  15.     static final MediaType JSON = MediaType.parse("application/json; charset=utf-8");
  17.     static final String URL_TEMPLATE = "https://aip.baidubce.com/rest/2.0/face/v3/detect?access_token=%s";
  19.     String token;
  21.     ObjectMapper mapper = new ObjectMapper();
  23.     public BaiduCloudService(String token) {
  24.         this.token = token;
  26.         // 重要：反序列化的时候，字符的字段如果比类的字段多，下面这个设置可以确保反序列化成功
  27.         mapper.disable(DeserializationFeature.FAIL_ON_UNKNOWN_PROPERTIES);
  28.     }
  29.     
  30.     /** * 检测指定的图片 * @param imageBase64 * @return */
  31.     public FaceDetectResponse detect(String imageBase64) {
  32.         // 请求对象
  33.         FaceDetectRequest faceDetectRequest = new FaceDetectRequest();
  34.         faceDetectRequest.setImageType("BASE64");
  35.         faceDetectRequest.setFaceField("mask");
  36.         faceDetectRequest.setMaxFaceNum(6);
  37.         faceDetectRequest.setFaceType("LIVE");
  38.         faceDetectRequest.setLivenessControl("NONE");
  39.         faceDetectRequest.setFaceSortType(0);
  40.         faceDetectRequest.setImage(imageBase64);
  42.         FaceDetectResponse faceDetectResponse = null;
  44.         try {
  45.             // 用Jackson将请求对象序列化成字符串
  46.             String jsonContent = mapper.writeValueAsString(faceDetectRequest);
  48.             //
  49.             RequestBody requestBody = RequestBody.create(JSON, jsonContent);
  50.             Request request = new Request .Builder()
  51.                     .url(String.format(URL_TEMPLATE, token))
  52.                     .post(requestBody)
  53.                     .build();
  54.             Response response = client.newCall(request).execute();
  55.             String rawRlt = response.body().string();
  56.             faceDetectResponse = mapper.readValue(rawRlt, FaceDetectResponse.class);
  57.         } catch (IOException ioException) {
  58.             ioException.printStackTrace();
  59.         }
  61.         return faceDetectResponse;
  62.     }
  63. }
  • 服务类写完了，接下来是主程序把整个逻辑串起来

DetectService接口的实现

  • 熟悉《JavaCV的摄像头实战》系列的读者应该对DetectService接口不陌生了，为了在整个系列的诸多实战中以统一的风格实现抓取帧–>处理帧–>输出处理结果这样的流程，咱们定义了一个DetectService接口，每种不同帧处理业务按照自己的特点来实现此接口即可（例如人脸检测、年龄检测、性别检测等）
  • 先来回顾DetectService接口：
  1. package com.bolingcavalry.grabpush.extend;
  3. import org.bytedeco.javacv.Frame;
  4. import org.bytedeco.javacv.OpenCVFrameConverter;
  5. import org.bytedeco.opencv.opencv_core.*;
  6. import org.bytedeco.opencv.opencv_objdetect.CascadeClassifier;
  8. import static org.bytedeco.opencv.global.opencv_core.CV_8UC1;
  9. import static org.bytedeco.opencv.global.opencv_imgproc.*;
  11. /** * @author willzhao * @version 1.0 * @description 检测工具的通用接口 * @date 2021/12/5 10:57 */
  12. public interface DetectService {
  14.     /** * 根据传入的MAT构造相同尺寸的MAT，存放灰度图片用于以后的检测 * @param src 原始图片的MAT对象 * @return 相同尺寸的灰度图片的MAT对象 */
  15.     static Mat buildGrayImage(Mat src) {
  16.         return new Mat(src.rows(), src.cols(), CV_8UC1);
  17.     }
  19.     /** * 检测图片，将检测结果用矩形标注在原始图片上 * @param classifier 分类器 * @param converter Frame和mat的转换器 * @param rawFrame 原始视频帧 * @param grabbedImage 原始视频帧对应的mat * @param grayImage 存放灰度图片的mat * @return 标注了识别结果的视频帧 */
  20.     static Frame detect(CascadeClassifier classifier,
  21.                         OpenCVFrameConverter.ToMat converter,
  22.                         Frame rawFrame,
  23.                         Mat grabbedImage,
  24.                         Mat grayImage) {
  26.         // 当前图片转为灰度图片
  27.         cvtColor(grabbedImage, grayImage, CV_BGR2GRAY);
  29.         // 存放检测结果的容器
  30.         RectVector objects = new RectVector();
  32.         // 开始检测
  33.         classifier.detectMultiScale(grayImage, objects);
  35.         // 检测结果总数
  36.         long total = objects.size();
  38.         // 如果没有检测到结果，就用原始帧返回
  39.         if (total<1) {
  40.             return rawFrame;
  41.         }
  43.         // 如果有检测结果，就根据结果的数据构造矩形框，画在原图上
  44.         for (long i = 0; i < total; i++) {
  45.             Rect r = objects.get(i);
  46.             int x = r.x(), y = r.y(), w = r.width(), h = r.height();
  47.             rectangle(grabbedImage, new Point(x, y), new Point(x + w, y + h), Scalar.RED, 1, CV_AA, 0);
  48.         }
  50.         // 释放检测结果资源
  51.         objects.close();
  53.         // 将标注过的图片转为帧，返回
  54.         return converter.convert(grabbedImage);
  55.     }
  57.     /** * 初始化操作，例如模型下载 * @throws Exception */
  58.     void init() throws Exception;
  60.     /** * 得到原始帧，做识别，添加框选 * @param frame * @return */
  61.     Frame convert(Frame frame);
  63.     /** * 释放资源 */
  64.     void releaseOutputResource();
  65. }
  • 再来看看本次实战中DetectService接口的实现类BaiduCloudDetectService.java，有几处要注意的地方稍后会提到：
  1. package com.bolingcavalry.grabpush.extend;
  3. import com.bolingcavalry.grabpush.bean.response.FaceDetectResponse;
  4. import lombok.extern.slf4j.Slf4j;
  5. import org.bytedeco.javacpp.Loader;
  6. import org.bytedeco.javacv.Frame;
  7. import org.bytedeco.javacv.Java2DFrameConverter;
  8. import org.bytedeco.javacv.OpenCVFrameConverter;
  9. import org.bytedeco.opencv.opencv_core.Mat;
  10. import org.bytedeco.opencv.opencv_core.Point;
  11. import org.bytedeco.opencv.opencv_core.Rect;
  12. import org.bytedeco.opencv.opencv_core.Scalar;
  13. import org.bytedeco.opencv.opencv_objdetect.CascadeClassifier;
  14. import org.opencv.face.Face;
  15. import sun.misc.BASE64Encoder;
  16. import javax.imageio.ImageIO;
  17. import java.awt.image.BufferedImage;
  18. import java.io.ByteArrayOutputStream;
  19. import java.io.File;
  20. import java.io.IOException;
  21. import java.net.URL;
  22. import java.util.List;
  23. import static org.bytedeco.opencv.global.opencv_imgproc.*;
  24. import static org.bytedeco.opencv.global.opencv_imgproc.CV_AA;
  26. /** * @author willzhao * @version 1.0 * @description 音频相关的服务 * @date 2021/12/3 8:09 */
  27. @Slf4j
  28. public class BaiduCloudDetectService implements DetectService {
  30.     /** * 每一帧原始图片的对象 */
  31.     private Mat grabbedImage = null;
  33.     /** * 百度云的token */
  34.     private String token;
  36.     /** * 图片的base64字符串 */
  37.     private String base64Str;
  39.     /** * 百度云服务 */
  40.     private BaiduCloudService baiduCloudService;
  42.     private OpenCVFrameConverter.ToMat openCVConverter = new OpenCVFrameConverter.ToMat();
  44.     private Java2DFrameConverter java2DConverter = new Java2DFrameConverter();
  46.     private OpenCVFrameConverter.ToMat converter = new OpenCVFrameConverter.ToMat();
  48.     private BASE64Encoder encoder = new BASE64Encoder();
  50.     /** * 构造方法，在此指定模型文件的下载地址 * @param token */
  51.     public BaiduCloudDetectService(String token) {
  52.         this.token = token;
  53.     }
  55.     /** * 百度云服务对象的初始化 * @throws Exception */
  56.     @Override
  57.     public void init() throws Exception {
  58.         baiduCloudService = new BaiduCloudService(token);
  59.     }
  61.     @Override
  62.     public Frame convert(Frame frame) {
  63.         // 将原始帧转成base64字符串
  64.         base64Str = frame2Base64(frame);
  66.         // 记录请求开始的时间
  67.         long startTime = System.currentTimeMillis();
  69.         // 交给百度云进行人脸和口罩检测
  70.         FaceDetectResponse faceDetectResponse = baiduCloudService.detect(base64Str);
  72.         // 如果检测失败，就提前返回了
  73.         if (null==faceDetectResponse
  74.          || null==faceDetectResponse.getErrorCode()
  75.          || !"0".equals(faceDetectResponse.getErrorCode())) {
  76.             String desc = "";
  77.             if (null!=faceDetectResponse) {
  78.                 desc = String.format("，错误码[%s]，错误信息[%s]", faceDetectResponse.getErrorCode(), faceDetectResponse.getErrorMsg());
  79.             }
  81.             log.error("检测人脸失败", desc);
  83.             // 提前返回
  84.             return frame;
  85.         }
  87.         log.info("检测耗时[{}]ms，结果：{}", (System.currentTimeMillis()-startTime), faceDetectResponse);
  89.         // 如果拿不到检测结果，就返回原始帧
  90.         if (null==faceDetectResponse.getResult()
  91.         || null==faceDetectResponse.getResult().getFaceList()) {
  92.             log.info("未检测到人脸");
  93.             return frame;
  94.         }
  96.         // 取出百度云的检测结果，后面会逐个处理
  97.         List<FaceDetectResponse.Result.Face> list = faceDetectResponse.getResult().getFaceList();
  98.         FaceDetectResponse.Result.Face face;
  99.         FaceDetectResponse.Result.Face.Location location;
  100.         String desc;
  101.         Scalar color;
  102.         int pos_x;
  103.         int pos_y;
  105.         // 如果有检测结果，就根据结果的数据构造矩形框，画在原图上
  106.         for (int i = 0; i < list.size(); i++) {
  107.             face = list.get(i);
  109.             // 每张人脸的位置
  110.             location = face.getLocation();
  112.             int x = (int)location.getLeft();
  113.             int y = (int)location.getHeight();
  114.             int w = (int)location.getWidth();
  115.             int h = (int)location.getHeight();
  117.             // 口罩字段的type等于1表示带口罩，0表示未带口罩
  118.             if (1==face.getMask().getType()) {
  119.                 desc = "Mask";
  120.                 color = Scalar.GREEN;
  121.             } else {
  122.                 desc = "No mask";
  123.                 color = Scalar.RED;
  124.             }
  126.             // 在图片上框出人脸
  127.             rectangle(grabbedImage, new Point(x, y), new Point(x + w, y + h), color, 1, CV_AA, 0);
  129.             // 人脸标注的横坐标
  130.             pos_x = Math.max(x-10, 0);
  131.             // 人脸标注的纵坐标
  132.             pos_y = Math.max(y-10, 0);
  134.             // 给人脸做标注，标注是否佩戴口罩
  135.              putText(grabbedImage, desc, new Point(pos_x, pos_y), FONT_HERSHEY_PLAIN, 1.5, color);
  136.         }
  138.         // 将标注过的图片转为帧，返回
  139.         return converter.convert(grabbedImage);
  140.     }
  142.     /** * 程序结束前，释放人脸识别的资源 */
  143.     @Override
  144.     public void releaseOutputResource() {
  145.         if (null!=grabbedImage) {
  146.             grabbedImage.release();
  147.         }
  148.     }
  150.     private String frame2Base64(Frame frame) {
  151.         grabbedImage = converter.convert(frame);
  152.         BufferedImage bufferedImage = java2DConverter.convert(openCVConverter.convert(grabbedImage));
  153.         ByteArrayOutputStream bStream = new ByteArrayOutputStream();
  154.         try {
  155.             ImageIO.write(bufferedImage, "png", bStream);
  156.         } catch (IOException e) {
  157.             throw new RuntimeException("bugImg读取失败:"+e.getMessage(),e);
  158.         }
  160.         return encoder.encode(bStream.toByteArray());
  161.     }
  162. }
  • 上述代码有以下几点要注意：
  1. 整个BaiduCloudDetectService类，主要是对前面BaiduCloudService类的使用
  2. convert方法中，拿到frame实例后会转为base64字符串，用于提交到百度AI开放平台做人脸检测
  3. 百度AI开放平台的检测结果中有多个人脸检测结果，这里要逐个处理：取出每个人脸的位置，以此位置在原图画矩形框，然后根据是否戴口罩在人脸上做标记，戴口罩的是绿色标记（包括矩形框），不戴口罩的是红色矩形框

主程序

  • 最后是主程序了，还是《JavaCV的摄像头实战》系列的套路，咱们来看看主程序的服务类定义好的框架
  • 《JavaCV的摄像头实战之一：基础》创建的simple-grab-push工程中已经准备好了父类AbstractCameraApplication，所以本篇继续使用该工程，创建子类实现那些抽象方法即可
  • 编码前先回顾父类的基础结构，如下图，粗体是父类定义的各个方法，红色块都是需要子类来实现抽象方法，所以接下来，咱们以本地窗口预览为目标实现这三个红色方法即可：

  • 新建文件PreviewCameraWithBaiduCloud.java，这是AbstractCameraApplication的子类，其代码很简单，接下来按上图顺序依次说明
  • 先定义CanvasFrame类型的成员变量previewCanvas，这是展示视频帧的本地窗口：
  1. protected CanvasFrame previewCanvas
  • 把前面创建的DetectService作为成员变量，后面检测的时候会用到：
  1. /** * 检测工具接口 */
  2.     private DetectService detectService;
  • PreviewCameraWithBaiduCloud的构造方法，接受DetectService的实例：
  1. /** * 不同的检测工具，可以通过构造方法传入 * @param detectService */
  2.     public PreviewCameraWithBaiduCloud(DetectService detectService) {
  3.         this.detectService = detectService;
  4.     }
  • 然后是初始化操作，可见是previewCanvas的实例化和参数设置，还有检测、识别的初始化操作：
  1. @Override
  2.     protected void initOutput() throws Exception {
  3.         previewCanvas = new CanvasFrame("摄像头预览", CanvasFrame.getDefaultGamma() / grabber.getGamma());
  4.         previewCanvas.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
  5.         previewCanvas.setAlwaysOnTop(true);
  7.         // 检测服务的初始化操作
  8.         detectService.init();
  9.     }
  • 接下来是output方法，定义了拿到每一帧视频数据后做什么事情，这里调用了detectService.convert检测人脸并识别性别，然后在本地窗口显示：
  1. @Override
  2.     protected void output(Frame frame) {
  3.         // 原始帧先交给检测服务处理，这个处理包括物体检测，再将检测结果标注在原始图片上，
  4.         // 然后转换为帧返回
  5.         Frame detectedFrame = detectService.convert(frame);
  6.         // 预览窗口上显示的帧是标注了检测结果的帧
  7.         previewCanvas.showImage(detectedFrame);
  8.     }
  • 最后是处理视频的循环结束后，程序退出前要做的事情，先关闭本地窗口，再释放检测服务的资源：
  1. @Override
  2.     protected void releaseOutputResource() {
  3.         if (null!= previewCanvas) {
  4.             previewCanvas.dispose();
  5.         }
  7.         // 检测工具也要释放资源
  8.         detectService.releaseOutputResource();
  9.     }
  • 每一帧耗时太多，所以两帧之间就不再额外间隔了：
  1. @Override
  2.     protected int getInterval() {
  3.         return 0;
  4.     }
  • 至此，功能已开发完成，再写上main方法，代码如下，请注意token的值是前面在百度AI开放平台取得的access_token：
  1. public static void main(String[] args) {
  2.         String token = "21.xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx.xxxxxxx.xxxxxxxxxx.xxxxxx-xxxxxxxx";
  3.         new PreviewCameraWithBaiduCloud(new BaiduCloudDetectService(token)).action(1000);
  4.     }
  • 至此，代码写完了，准备好摄像头开始验证，群众演员为了免费盒饭已经在寒风中等了很久啦

验证

  • 运行PreviewCameraWithBaiduCloud的main方法，请群众演员出现在摄像头前面，此时不戴口罩，可见人脸上是红色字体和矩形框：

  • 让群众演员戴上口罩，再次出现在摄像头前面，这次检测到了口罩，显示了绿色标注和矩形框：

  • 实际体验中，由于一秒钟最多只有两帧，在预览窗口展示时完全是幻灯片效果，惨不忍睹…
  • 本篇博客使用了群众演员两张照片，所以被他领走了两份盒饭，欣宸很心疼…
  • 至此，基于JavaCV和百度AI开放平台实现的口罩检测功能已完成，希望您继续关注《JavaCV的摄像头实战》系列，之后的实战更精彩

你不孤单，欣宸原创一路相伴

  1. Java系列
  2. Spring系列
  3. Docker系列
  4. kubernetes系列
  5. 数据库+中间件系列
  6. DevOps系列

版权说明 : 本文为转载文章, 版权归原作者所有 版权申明

原文链接 : https://xinchen.blog.csdn.net/article/details/122375869

内容来源于网络，如有侵权，请联系作者删除！

javacv

相关文章

    查看更多

    热门标签

    更多
    JavaquerypythonNode开发语言requestUtil数据库Table后端算法LoggerMessageElementParser

    最新文章

    更多
    • 蜀ICP备13028337号-1 大数据知识库 https://www.saoniuhuo.com © All rights reserved
    • 本站内容来源互联网,如果侵犯您的权益请联系我们删除, 联系方式：448109455@qq.com